【数据挖掘】关联规则之FP-growth算法

FP-growth算法

---

        Apriori算法可能受到两种非平凡开销的影响：一方面它可能需要产生大量候选项集；另一方面它可能需要重复的扫描整个数据库，通过模式匹配检查一个很大的候选集合。这样检查数据库中每个事务来确定候选项集支持度的开销很大。

        那么是否可以设计一种方法，挖掘全部频繁项集而无须这种代价昂贵的候选产生过程？一种试图这样做的方法称为频繁模式增长（Frequent-Pattern Growth，FP-growth）。它采取如下分治策略：首先，将代表频繁项集的数据库压缩到一颗频繁模式树（FP树），该树仍保留项集的关联信息。然后，把这种压缩后的数据库划分成一组条件数据库，每个数据库关联一个频繁项或模式段，并分别挖掘每个条件数据库。对于每个“模式片段”，只需要考察它相关联数据集。因此，随着被考察的模式的“增长”，这种方法可以显著地压缩被搜索的数据集的大小。

FP-growth算法的基本思路： 

• 扫描一次事务数据库，找出频繁1-项集合，记为L，并把它们按支持度计数的降序进行排列。
• 基于L，再扫描一次事务数据库，构造表示事务数据库中项集关联的FP树。
• 在FP树上递归地找出所有频繁项集。
• 最后在所有频繁项集中产生强关联规则。

下面先举例介绍一下FP-grow算法挖掘频繁项集的过程：

        事务数据库如下表1：